4. 政治公众人物(PEP)筛查:PEP定义与分类、国内/国际PEP名单、PEP筛查流程、风险等级判定

政治公众人物(PEP)筛查是反洗钱合规体系中的关键控制节点。PEP 因其职位可能涉及滥用公共权力、受贿或洗钱,被 FATF 列为高风险客户类别。本节将系统讲解 PEP 的定义、分类、名单来源、筛查流程及风险判定方法。

4.1 PEP 定义与分类

根据 FATF 建议 12 及各国监管指引,PEP 指正在或曾经担任重要公职的个人,以及其家庭成员和关系密切人。PEP 分类需覆盖以下维度:

分类维度 子类 说明
按地域 国内 PEP 本国政府、司法、军队、国企高管等
国际 PEP 外国政府、国际组织高级官员
国际组织 PEP 联合国、IMF、世界银行等机构高管
按关系 本人 PEP 直接担任公职的个人
家庭成员 配偶、子女、父母、兄弟姐妹
关系密切人 商业伙伴、顾问、代理人
按时效 现任 PEP 仍在任期内
离任 PEP 离任后通常仍需关注 12-18 个月
关键提示: 离任 PEP 并非自动解除风险。FATF 建议对离任 PEP 至少保持 12 个月强化监控,具体期限依各国监管要求而定。

4.2 国内/国际 PEP 名单

PEP 名单是筛查的基础数据源。实践中需整合多源名单,并定期更新。常见名单来源如下:

  • 国内官方名单: 中央纪委、国家监委、外交部、财政部等发布的现任/离任官员名单;各省市人大、政协公开信息。
  • 国际组织名单: 联合国安理会制裁名单、世界银行制裁名单、FATF 高风险国家名单。
  • 商业数据库: 如 World-Check、LexisNexis、Dow Jones 等专业 PEP 数据库,覆盖全球 200+ 国家/地区。
  • 公开媒体与政府公报: 用于补充非结构化数据,如官员任命、辞职、涉腐报道。
最佳实践: 建议建立“主名单 + 增量更新”机制。主名单每季度全量刷新,增量更新每日通过 API 或文件推送。同时保留历史版本用于回溯审计。

4.3 PEP 筛查流程

PEP 筛查需嵌入客户准入与持续监控环节。标准流程包含以下步骤:

  1. 客户身份采集: 获取客户姓名、国籍、出生日期、职业、任职机构等基础信息。
  2. 名单匹配: 将客户信息与 PEP 名单进行精确匹配 + 模糊匹配(如拼音变体、缩写、别名)。
  3. 匹配结果验证: 人工复核疑似匹配项,排除同名误中,确认 PEP 身份。
  4. 风险等级判定: 结合 PEP 类型、地域、职位敏感度、交易行为等综合判定。
  5. 强化尽调(EDD): 对高风险 PEP 执行额外尽调,包括资金来源、财富来源、交易目的等。
  6. 持续监控: 定期重新筛查,关注名单更新与客户状态变化。
常见陷阱: 仅做精确匹配会导致大量漏报。建议采用“精确 + 模糊 + 音译”三级匹配策略,并设置合理的匹配阈值(如 80% 相似度以上触发人工复核)。
PEP 筛查流程图 PEP 筛查流程图 客户身份采集 名单匹配(精确+模糊) 匹配结果验证(人工复核) 风险等级判定 强化尽调(EDD) 持续监控(定期重筛) 说明 • 精确匹配:姓名+出生日期 • 模糊匹配:拼音变体、缩写 • 音译匹配:不同语言转写

4.4 风险等级判定

PEP 风险等级判定需综合多维度因子,采用评分卡或规则引擎实现。以下为典型判定框架:

风险维度 低风险(1分) 中风险(2分) 高风险(3分)
PEP 类型 离任 > 3 年 离任 1-3 年 现任 / 离任 < 1 年
职位敏感度 技术/顾问岗 中层管理岗 决策/财务/司法岗
地域风险 低腐败指数国家 中等腐败指数国家 FATF 高风险/受制裁国家
交易行为 小额、规律、可解释 中等金额、偶发异常 大额、频繁、跨境、复杂结构
财富来源 清晰、可验证 部分可验证 不透明、无法验证

判定规则示例:

  • 总分 5-7 分:低风险 —— 标准尽调(CDD)即可。
  • 总分 8-11 分:中风险 —— 加强尽调(EDD),要求提供财富来源证明。
  • 总分 12-15 分:高风险 —— 高级管理层审批,执行深度尽调,必要时拒绝业务关系。
特征工程要点: 在构建 PEP 风险评分模型时,建议将“职位敏感度”和“地域风险”作为权重最高的两个特征。同时引入“时间衰减因子”,对离任 PEP 的风险评分按月份线性递减,但保留最低阈值。
PEP 风险等级判定决策树 PEP 风险等级判定决策树 PEP 身份确认 现任 / 离任 < 1 年 离任 ≥ 1 年 高风险(EDD+审批) 中风险(EDD) 中风险(EDD) 低风险(CDD) 决策依据 • 职位敏感度加权 • 地域风险加权 • 交易行为异常检测

4.5 筛查系统特征工程建议

在构建 PEP 筛查系统时,以下特征工程策略可显著提升匹配准确率与风险识别能力:

  • 姓名标准化: 统一转写为拉丁字母,处理常见变体(如“张伟” → “Zhang Wei”、“Wei Zhang”、“Chang Wei”)。
  • 别名/曾用名扩展: 收集客户历史姓名、英文名、昵称,扩展匹配范围。
  • 时间戳特征: 记录 PEP 任职起止时间、离任时间,用于计算“离任时长”特征。
  • 职位层级编码: 将职位映射为 1-5 级(如 1=基层、5=国家元首),作为风险评分输入。
  • 名单来源权重: 官方名单权重高于商业数据库,商业数据库权重高于公开媒体。
  • 匹配置信度评分: 综合姓名相似度、出生日期匹配、国籍匹配等计算置信度,低于阈值自动降级为人工复核。
实战案例: 某银行在 PEP 筛查中引入“职位-地域交叉特征”,发现来自高风险国家的现任财政官员(交叉得分 9/10)风险显著高于同国的技术官员(交叉得分 3/10)。该特征帮助银行将误报率降低 40%,同时提升高风险识别率 25%。